Anda di halaman 1dari 6

BAB III

MODEL REGRESI DENGAN DUA VARIABLE

1. RANGKUMAN
Model regresi dengan dua variabe umumnya dituliskan dengan simbol berbeda berdasarkan
sumber data yang digunakan,
Fungsi regresi yang menggunakan data populasi (FRP) umumnya menuliskan simbol konstanta
dan koefisien regresi dalam huruf besar,
sebagai berikut:
Y = A + BX + .. (pers.3.1)
Fungsi regresi yang menggunakan data sampel (FRS)
Y = a + bX + e .. (pers.3.2)
Metode Kuadrat Terkecil Biasa (Ordinary Least
Square) (OLS)
Rumus Pertama (I)
Mencari nilai b:

Setelah mendapatkan hitungan-hitungan hasil pengembangan data, maka angka-angka tersebut


dapat secara langsung dimasukkan ke dalam rumus I, sebagai berikut :
Sedangkan untuk mencari nilai a

Mencari nilai b menggunakan rumus kedua

Rumus a ke dua :

Dengan demikian dapat disimpulkan bahwa,mencari a dan b dengan rumus I ataupun rumus II
akan menghasilkan nilai yang sama.
Asumsi-asumsi yang harus
dipenuhi dalam OLS ada 3 asumsi, yaitu:
1). Asumsi nilai harapan bersyarat (conditional expected
value) dari ei, dengan syarat X sebesar Xi, mempunyai
nilai nol.
2). Kovarian ei dan ej mempunyai nilai nol. Nilai nol
dalam asumsi ini menjelaskan bahwa antara ei dan ej
tidak ada korelasi serial atau tida berkorelasi
(autocorrelation).
3). Varian ei dan ej sama dengan simpangan baku (standar
deviasi).
Prinsip metode OLS sebagai berikut :
1. .Analisis dilakukan dengan regresi
2. hasil regresi akan menghasilkan garis regresi. Untuk menguji signifikansi variable X dala
mempengaruhi Y dapat dibedakan menjadi dua yaitu dengan pengaruh secara individual dan
pengaruh secara bersama-sama, seperti metode dengan membandingkan antara nilai statistik
(nilai hitung) dengan nilai tabel.

Uji T
Untuk menguji hipotesis bahwa b secara statistik signifikan, perlu terlebih dulu menghitung
standar error atau standar deviasi dari b.
untuk mengetahui formula dari standar error dari b, yang ternyata telah dirumuskan sebagai
berikut:

Atau
Dimana:
Yt dan Xt adalah data variabel dependen dan independen
pada periode t
57
t Y adalah nilai variabel dependen pada periode t yang
didapat dari perkiraan garis regresi
X merupakan nilai tengah (mean) dari variabel
independen
e atau t t Y Y merupakan error term
n adalah jumlah data observasi
k adalah jumlah perkiraan koefisien regresi yang meliputi
a dan b
(n-k) disebut juga dengan degrees of freedom (df).

Validitas (ketidakbiasan) informasi dari nilai-nilai hasil regresi dapat diketahui dari terpenuhinya
asumsi-asumsi klasik, yaitu jika data variabel telah terbebas dari masalah Autokorelasi, tidak ada
indikasi adanya heteroskedastisitas, maupun tidak terjadi multikolinearitas atau saling
berkolinear antar variabel.

2. Kesimpulan

ceteris paribus adalah faktorfaktor yang saling terkait dan sangat sulit untuk diidentifikasi
secara menyeluruh, sehingga perlu asumsi yang menganggap tidak adanya perubahan dari
variabel-variabel. Model linier sendiri dapat dibedakan sebagai single linier maupun multiple
linier. Disebut single linier apabila variabel bebas hanya berjumlah satu dengan batasan pangkat
satu. Sedang multiple linier apabila variabel bebas lebih dari satu variabel dengan batasan
pangkat satu.
Analisis regresi pada dasarnya adalah menjelaskan berapa besar pengaruh tingkat signifikansi
variabel independen dalam mempengaruhi variabel dependen. Meskipun hasil regresi seperti
tertera pada persamaan di atas telah dapat diinterpretasi, dan dapat menunjukkan inti tujuan
analisis regresi, namun bukan berarti bahwa tahapan analisis telah selesai hingga di sini.

3. Jawab Pertanyaan
a. Regresi Linier Sederhana adalah Metode Statistik yang berfungsi untuk menguji sejauh
mana hubungan sebab akibat antara Variabel Faktor Penyebab (X) terhadap Variabel
Akibatnya. ... Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau
Variabel Akibat.
b. Metode Regresi Linier Sederhana :
Fungsi regresi yang menggunakan data populasi (FPR)
Y = A + BX +
Fungsi regresi yang menggunakan data sample (FRS)
Y = a + bX + e

c. Arti Notasi :
A : konstanta / intercept
B : koefisien regresi / independen
Y : variable dependen
X : variable independen
d. Informasi yang dapat di ungkap pada Konstanta
Konstanta sebesar -9,527 ini jika budem X nilainya adalah 0, maka inflasi (Y) nilai
negativenya sebesar -9,527
e. Informasoi yang dapat di ungkap pada koefisien regresi
intersep hanyalah suatu konstanta yang memungkinkan munculnya koefisien lain di
dalam model regresi. Intersep tidak selalu dapat atau perlu untuk diinterpretasikan.
Apabila data pengamatan pada variabel X tidak mencakup nilai 0 atau mendekati 0, maka
intersep tidak memiliki makna yang berarti, sehingga tidak perlu
diinterpretasikan. Koefisien Regresi Variable (X) sebesar 1,450 : artinya jika mengalami
kenaikan 1% maka volume inflasi (Y) akan mengalami peningkatan 1,450%. Koefisiensi
bernilai positive artinya terjadi hubungan positive antara BuDep dan Inflasi, semakin naik
BuDep semakin naik Inflasi.
f. Kegunaan Standar Error SB
a. Standard error dapat menunjukkan bagaimana tingkat fluktuasi dari penduga atau
statistic.
B. Standard error juga dapat diintepretasikan seberapa akurat penduga dalam menduga
parameter.
c. untuk menentukan dan mengontrol ukuran sample, hal ini berbeda dengan standard
deviation yang nilainya tidak dipengaruhi ukuran sample.
G. Kegunaan nilai t
untuk mengetahui apakah variable independen (X) berpengaruh secara signifikan
terhadap variable dependen (Y). Signifikan berarti pengaruh yang terjadi dapat berlaku
untuk populasi (dapat di generalisasikan).
H. cara Menentukan Nilai t yang signifikan :
1. Menentukan Hipotesis
Ho : ada pengaruh secara signifikan antara biaya promosi dengan volume penjualan
Ha : tidak ada pengaruh secara signifikan antara BuDep dengan inflasi
2.Menentukan tingkat signifikan
Tingkat signifikansi menggunakan a = 5% (signifikansi 5%/0,05) adalah ukuran standar
yang sering digunakan dalam penelitian
3.Menentukan t hitung
Berdasarkan tabel t hitung diperoleh sebesar 7,4348
4.Menentukan t tabel
Tabel distribusi dicari pada a = 5% : 2 = 2,5%
Uji 2 sisi dengan drajat kebesaran (df) n-k = 20, karena jumlah k = 2 yaitu parameter a
dan b maka nilai t tabelnya sebesar 1,725.
Nilai t tabel yang besarnya 2,086 sudah tentu lebih kecil dibanding t hitung yang
besarnya 7,4348. Dapat dipastikan bahwa BuDep signifikan mempengaruhi Inflasi
5. Kriteria pengujian
Ho diterima jika t tabel < t hitung < t tabel
Ho ditolak jika t hitung < - t tabel
Atau
T hitung > t tabel
6. Membandingkan t hitung dengan t tabel
nilai t hitung > t tabel 7,4348 > 1,725
Maka Ho ditolak
I. Koefisien Determinasi adalah Koefisien determinasi pada regresi linear sering
diartikan sebagai seberapa besar kemampuan semua variabel bebas dalam
menjelaskan varians dari variabel terikatnya. Secara sederhana koefisien determinasi
dihitung dengan mengkuadratkan Koefisien Korelasi (R).